4級 教科書

あるクラスのテストの点数が $50$ 人分並んでいたとして、それを一つひとつ眺めても「このクラスはよくできている」「点数の差が大きい」といったことはなかなか見えてきません。そこで便利なのが、たくさんの数字を一つの数字で代表させる考え方です。これを代表値と呼びます。

代表値として特によく使われるのが、平均値・中央値・最頻値の3つです。順番に見ていきましょう。

平均値

もっとも基本的な代表値が平均値です。$n$ 個のデータをすべて足して、データの個数 $n$ で割ります。

中央値

平均値は便利ですが、大きく外れた値(外れ値)があると、その値に引っ張られて「みんなの真ん中」とはズレた数字になることがあります。その補正役が中央値です。

中央値は、外れ値の影響を受けにくいという大切な性質をもっています。たとえば $1,2,2,3,3,4,100$ の平均は約 $16.4$ ですが、中央値は $3$ です。たった 1 つの極端な値で平均はこれほど動く一方、中央値はびくともしません。

最頻値

3 つの代表値の使い分け

どの代表値を使うかは、データの性質によって選びます。ざっくりとした目安は次のとおりです。

• 平均値: データがきれいに対称的に分布しているとき、全体の中心を知るのに最適。
• 中央値: 外れ値がある、あるいは分布がかたよっているときに、「ふつうの人」の値として信頼できる。
• 最頻値: 「もっともよくある値」を知りたいとき、特にデータが整数やカテゴリのときに便利。

たとえば世帯年収のように一部の人の収入が飛び抜けて高いデータでは、平均よりも中央値のほうが「ふつうの人」の実感に近い数字になります。ニュースでよく「平均年収」と「中央値」が別々に報じられるのは、この違いがあるからです。

代表値だけを見ていると、同じ「平均 70 点」でも実はまったく違うクラスを同じように扱ってしまうことがあります。たとえば一方のクラスは 60〜80 点の狭い範囲に全員が入っていて、もう一方のクラスは 30〜100 点まで大きくばらついているかもしれません。この「散らばり」を数値で表すのがばらつきの指標です。

範囲(レンジ)

範囲はもっとも簡単なばらつきの指標です。ただし、最大値と最小値という 2 点だけで計算しているため、たった 1 つの外れ値があるだけで大きく変わってしまうという弱点もあります。

四分位数

範囲の弱点を補うのが四分位数という考え方です。データを小さい順に並べて、等しい個数ずつ 4 つに区切る位置にくる値のことです。

四分位範囲(IQR)

IQR は、上下 25% ずつ(つまり端の外れ値)を無視して計算しているため、外れ値に対して頑健です。範囲よりも「そのデータの本来の広がり」を表すのに向いています。

箱ひげ図

五つの値 $\{x_{\min },Q_1,\mathrm{Med},Q_3,x_{\max }\}$ を図にして、データ全体のばらつきを一目でわかるようにしたものを箱ひげ図といいます。「箱」の部分が $Q_1$ から $Q_3$ まで、「ひげ」の部分が最小値から $Q_1$・$Q_3$ から最大値までを表し、「箱」の中の線が中央値を示します。

2 つのクラスの点数を並べて箱ひげ図にすれば、平均はほぼ同じでも「片方は全員が近い点」「もう片方はばらばらの点」が視覚的にはっきりわかる、というのが箱ひげ図の便利さです。

ここまでは小さなデータを直接扱ってきました。しかし数十、数百ものデータになると、すべての値を眺めるだけでは分布の形が見えてきません。そこで活躍するのが、データを区間ごとに整理する度数分布表と、それを視覚化するヒストグラムです。

度数分布表

たとえば 50 人のテストの得点を 20 点きざみに分けると、次のような度数分布表が作れます。

階級値・相対度数・累積度数

度数分布表まわりで覚えておきたい用語は次の 4 つです。

• 階級値: 各階級の中央の値。例 1.5 では「20 以上 40 未満」の階級値は $(20+40)/2=30$。
• 度数: 各階級に含まれるデータの個数。
• 相対度数: 度数 ÷ 全体の度数。各階級の「占める割合」で、合計するとちょうど $1$ になる。
• 累積度数 / 累積相対度数: その階級までの度数(または相対度数)の合計。中央値や四分位数の位置を考えるときに便利。

ヒストグラム

ヒストグラムを描くと、棒グラフ全体の形からデータの性格が読み取れます。

• 山が一つで左右対称: データがバランスよく分布している(身長や体重などでよく見られる)。
• 右(または左)にすそが長い: 大きい値(または小さい値)に偏った分布。所得データなど。
• 山が二つある: 性質の違う 2 つのグループが混ざっている可能性(例: 男女混合のデータ)。
• 極端に外れた階級: 外れ値の存在。

度数分布表からの代表値

もとのデータが手元になく、度数分布表しかないときでも、代表値はおおよそ計算できます。

• 平均(近似): $\bar{x}\approx \sum (\text{階級値})\times (\text{相対度数})$。
• 中央値が含まれる階級: 累積相対度数がはじめて $0.5$ を超える階級。
• 最頻値が含まれる階級: 度数が最大の階級(その階級値を最頻値の代用とする)。

このように、度数分布表とヒストグラムは「分布の形」と「代表値の概算」の両方を効率よく与えてくれる、データ分析の基本道具です。3 級以降の確率分布の話にも、この「分布の形を見る」感覚が直接つながっていきます。

「コインを 2 枚同時に投げたとき、表と裏の出方は何通りあるか?」「3 人の生徒を一列に並べる方法は何通りか?」 ─ こうした「何通りあるか」を考える問題を、場合の数の問題といいます。確率を計算するためには、まずこの「何通りあるか」を正確に数えられないといけません。

樹形図 ─ 全部書き出す

もっとも素朴で間違いの少ない方法が、樹形図(じゅけいず)です。1 つ目の選択肢から順に枝分かれを書いていき、最後の葉の数を数えれば、それがそのまま場合の数になります。

樹形図の良いところは、「どの組み合わせが起こるか」を一つずつ見える形にできること。慣れてくると、樹形図を全部書かなくても枝の本数だけ数えれば十分になります。次に紹介する積の法則は、その「枝の数を数える」操作を式にしたものです。

積の法則

和の法則

「積」と「和」のどちらを使うかは、「A と B が同時に起こるか(積)」「A または B が起こるか(和)」を意識すれば判断できます。慣れない間は、無理に式で考えず樹形図を書いて確かめるのが確実です。

前節で「並べる」「選ぶ」場合の数の基本を見ました。実用ではこれらが組み合わさって登場するので、専用の記号 ${}_n{P}_r$ と ${}_n{C}_r$ を導入してまとめて扱います。

順列 ─ 並べる

$r=n$ のとき、すなわち「全員を並べる」ときの順列を階乗と呼び、$n!$ と書きます。${}_n{P}_n=n!$ です。

組合せ ─ 選ぶ

「並べる」と「選ぶ」の違い

順列と組合せの違いは「順番を区別するかどうか」です。たとえば「5 人から 2 人選ぶ」だけなら ${}_5{C}_2=10$ 通り、「5 人から 2 人選んで班長と副班長を決める」なら ${}_5{P}_2=20$ 通り。後者は「順番(役割)を区別する」ので、選んだあとに $2!$ 倍だけ並べ方が増えます。

応用例 ─ 男女混合の選び方

順列と組合せは確率計算の基礎中の基礎です。次の章で確率を扱うとき、「全体の場合の数」「事象の起こる場合の数」を求めるために繰り返し使うことになるので、ここでしっかり手を動かして慣れておきましょう。

前章までで「全部で何通りあるか」を数える練習をしてきました。ここからはいよいよ、その「何通り」をもとに「ある出来事がどれくらい起こりやすいか」を数値で表す ─ 確率の話に入ります。

「同様に確からしい」とは

サイコロを投げると 1〜6 の目のいずれかが出ます。このとき「どの目もまったく同じくらい出やすい」と考える、これが「同様に確からしい(equally likely)」という考え方です。サイコロが歪んでいなければ、各目の出やすさは $\frac{1}{6}$ ずつ。コイン(表と裏で同様に確からしい)、トランプ(52 枚から 1 枚引くとき各カード)など、多くの基本問題はこの考え方をベースにしています。

確率の定義

確率の取りうる値

確率は割合と同じく $0$ 以上 $1$ 以下の数値です。$P(A)=0.3$ なら「だいたい 10 回に 3 回は起こる感じ」と直感的に解釈できます。$\%$ 表示にすれば $30\%$ です。

確率の加法定理

「A または B が起こる確率」は単純に足せばよい場合と、足してから重複を引く必要がある場合があります。

確率の基本ができたところで、実戦でよく使う 2 つの強力な道具 ─ 余事象と独立事象 ─ を学びます。「少なくとも 1 回は…」のような問題が、これらを使うと驚くほどスッキリ解けるようになります。

余事象 ─ 起こらない方を考える

余事象の威力は「少なくとも 1 回は…」型の問題に現れます。「少なくとも 1 回は起こる」を直接数えるのは大変ですが、その余事象「1 回も起こらない」を数えるのは案外楽、というケースが多いのです。

独立事象 ─ お互い影響しない事象

コインの 1 投目と 2 投目、別々のサイコロの目、別々の人がくじを引く ─ こういった「相手のことを覚えていない」試行はだいたい独立です。確率の問題で「同時に起こる確率」を求めるとき、独立なら「掛け算」と覚えればたいていうまくいきます。

実戦のコツ

• 「少なくとも〜」を見たら余事象: 直接数えにくいケースほど余事象が効く。
• 「同時に」「両方とも」を見たら掛け算: 独立なら単純な積、独立でないなら条件付き確率まで踏み込む。
• 「どれかが」「またはが」を見たら足し算: ただし重複を引くのを忘れない。
• 確率の合計はいつも 1: $P(A)+P(A^c)=1$ という対称性は、検算にも使える。

ここまでで 4 級の主要範囲はおおむね終わりです。データの整理(代表値・ばらつき)、場合の数、そして確率 ─ この 3 つが基礎の柱になります。3 級では、ここから確率変数や確率分布へと一段階進みます。

散布図(scatter plot) は、2 つの量を縦軸・横軸に取って点で表したグラフ。気温 × アイス売上、勉強時間 × テスト点数 ─ 2 つの関係を一目で確認できます。

3 つの関係のパターン

• 正の相関: 一方が増えると他方も増える(右肩上がり)
• 負の相関: 一方が増えると他方は減る(右肩下がり)
• 相関なし: バラバラに散らばる(関係が見えない)

散布図を見るだけでは『どれくらい強い関係か』を客観的に比較しづらい。そこで使うのが 相関係数 r。

相関係数の値の読み方

4 級では計算式は出ませんが、散布図 + 数値 r からどれくらいの強さか判断する 問題がよく出ます。

外れ値の影響

1 つだけ大きくズレた点(外れ値)があると、相関係数は 大きく動きます。なので散布図を見ずに相関係数だけ信用するのは危険。まず散布図を描いて目視確認 が鉄則。

強い相関がある = 因果関係がある とは限りません。これは統計を学ぶ人が一度は通る重要な落とし穴です。

古典的な例

• アイスの売上と水難事故: 両方とも夏に増えるだけ(共通原因 = 気温)
• 靴のサイズと収入: 両方とも年齢に関係(子どもは靴も収入も小さい)
• 消防車の数と火災の被害額: 両方とも火災規模に関係

見せかけの相関(疑似相関)が起きる 3 パターン

1. 共通原因(交絡): A と B の両方を C が引き起こす
2. 逆向きの因果: B → A なのに A → B と思い込む
3. 偶然: サンプルが小さいと意味のない相関が出ることがある

次の章へ

次の章では『ニュースを批判的に読む』を総まとめ。アンケート・グラフ・%トリックなど、統計知識を実生活でどう活かすかを学びます。

ニュースで見るアンケート結果。正しい結論を引き出せるか が、統計を学んだ甲斐の見せ所です。

標本調査(=一部を見て全体を推測する)

国民全員に聞くのは大変なので、一部 1,000 人 くらいに聞いて全体を推測するのが普通。これを 標本調査 といいます。本サイトの『統計調査士 教科書』で深掘りできます。

アンケートで気を付けるポイント

• サンプル数(何人に聞いた?): 100 人より 10,000 人の方が信頼度高
• 回答者の偏り: 街頭調査だと若者中心になりがち
• 質問の聞き方: 誘導的な聞き方は結果を歪める
• 選択肢の作り方: 5 段階か 4 段階かで結果が変わる

支持率調査の例

「支持率 50% ± 3%」という表記をよく見ます。±3% は 誤差(ばらつき) の幅。100 回調査すれば 95 回は 47%〜53% の範囲に入る という意味。1 回の調査だけでは『ぴったり』の値ではない、という統計の基本姿勢。

統計を学ぶ最大の利点は 数字に騙されなくなる こと。よくある誤解パターンを覚えておきましょう。

1. 平均値の罠

「日本の平均年収は 460 万円」 ─ でも中央値は 420 万円。極端な高所得者で平均が引き上げられている ので、『普通の人の年収』を表すには中央値の方が適切。

2. % の比較トリック

「感染者数が 1 日で 50% 増加!」 ─ でも昨日 4 人 → 今日 6 人なら 50% 増加だが、規模感は小さい。絶対数も併記されているか を確認する習慣を。

3. グラフの軸の操作

• 縦軸の途中省略: 小さな差を大きく見せる
• 3D グラフ: 円グラフを 3D にすると手前のカテゴリが大きく見える
• 年単位 / 月単位の切替: 都合のよい単位で印象を操作
• 対数軸の使用: 急上昇を緩やかに見せる

4. 因果の混同

「A をする人は B になりやすい」と聞いたら、3 つの可能性 を疑う:

1. 本当に A → B(因果)
2. B → A(逆の因果)
3. C が両方を引き起こす(共通原因)

4 級の範囲は『データの整理 + 確率の基本』。これは統計学の 基礎の基礎 であり、ここから先には豊かな世界が広がっています。

3 級で学ぶこと

• 確率変数と期待値: 確率を扱う『道具』が揃う
• 正規分布: 統計学の中心となる釣り鐘型分布
• 標本平均の分布(中心極限定理): なぜ統計的推測が成り立つか
• 信頼区間と仮説検定の入口: データから結論を出す方法

おすすめの進路

• [3 級 教科書](/textbook/grade-3) ─ 確率分布・推定の入り口
• [3 級 演習問題](/quiz/grade-3) ─ 一問一答で力試し
• [動かして学ぶ統計](/explore) ─ 分布をスライダーで体感
• [ブログ: 統計検定 何級から始めるべき?](/blog/which-grade-to-start)

ここまでサイコロやコインで『何が出るか』『確率はいくらか』を考えてきました。これを 1 つの 数値の世界 にまとめると見通しがよくなります ─ それが 確率変数(かくりつへんすう) です。

確率変数の例

• サイコロ 1 個の出目: 1, 2, 3, 4, 5, 6 のどれかを取る確率変数
• コインを 5 回投げて表が出た回数: 0, 1, 2, 3, 4, 5 のどれかを取る確率変数
• 新生児の身長: 50cm 前後の連続値を取る確率変数
• 1 ヶ月の通勤遅延回数: 0, 1, 2, … の整数値を取る確率変数

離散型と連続型

確率分布の表し方

確率変数がどんな値をどれくらいの確率で取るか、を表したものが 確率分布。離散型は『棒グラフ』のような表で、連続型は『滑らかな曲線』で表します。これから登場する 二項分布 は離散型、正規分布 は連続型の代表選手です。

二項分布(にこうぶんぷ) は『成功か失敗かのどちらか が起こる試行を、独立に何回か繰り返したときに、成功が何回起こるかの分布』。コイン投げの『表が何回出るか』が典型例です。

二項分布の典型例

• コインを 10 回投げて表が出る回数(成功確率 1/2)
• サイコロを 6 回振って 6 が出る回数(成功確率 1/6)
• 100 人にアンケートして『はい』と答えた人数(成功確率 = 母集団比率)
• 製品 50 個のうち不良品の個数(成功確率 = 不良率)

ふくらむポイント:平均と散らばり

正規分布(せいきぶんぷ) は、統計でいちばん有名な分布です。身長・体重・テストの点数・誤差 ─ あらゆる現象が(条件次第で)この分布になります。別名『ガウス分布』『ベルカーブ』。

正規分布の特徴

• 左右対称の山型(平均 μ を中心に左右ミラー)
• 平均 = 中央値 = 最頻値 がすべて一致
• ばらつきは標準偏差 σ で表される
• 約 68% が ±1σ 以内、95% が ±2σ 以内、99.7% が ±3σ 以内(68-95-99.7 ルール)

68-95-99.7 ルール

標準正規分布(ひょうじゅん せいきぶんぷ)

平均 0、標準偏差 1 の正規分布を 標準正規分布 といいます。$N(0,1)$ と書きます。一般の正規分布 $N(\mu ,{\sigma }^2)$ は 標準化(平均を 0 にして σ で割る)で標準正規分布に変換でき、表で確率を引けます。3 級では実際の計算を扱います。

なぜ正規分布が これほど多くの場面で出てくる のでしょうか? その鍵は 中心極限定理(ちゅうしん きょくげん ていり, Central Limit Theorem, CLT) という数学の定理です。難しい式は 2 級で扱いますが、直感だけ はここで掴んでおきましょう。

CLT のひとことまとめ

CLT が伝えること

• 自然現象に正規分布が多い のは、無数の小さな要因の合計だから
• 標本平均は正規分布に従う(母集団がどんな分布でも、サンプルが大きければ)
• 統計的推測(推定・検定)の理論的基盤 が、ここから組み上がる
• 3 級・2 級で扱う 信頼区間・仮説検定 はすべて CLT の上に立つ

結びに ─ 4 級から 3 級へ

ここまでで 4 級の主要範囲を扱いました。データの整理 → 場合の数 → 確率 → 相関 → 実生活 → 確率分布の入口 ─ 6 章で統計の基本道具がそろいました。次の 3 級 では、ここで触れた標準偏差・分散・確率分布を 数式で 扱い、推定(母集団を推し量る)と 検定(仮説をデータで判定する)の入口まで進みます。

• [3 級 教科書へ進む](/textbook/grade-3) ─ 推定・検定の本格入門
• [用語集](/glossary) ─ 出会った言葉を確認
• [統計図解集](/figures) ─ 概念を SVG で見直す
• [統計計算ツール](/tools) ─ 信頼区間・p 値などをすぐ試す

Ch3 で確率の基本を学びましたが、複数の事象が絡む確率を扱うには 集合の言葉 が便利です。

事象を集合とみなす

和事象と積事象

和事象の確率を計算する公式 ─ 加法定理 は、ベン図で『重複を 2 回数えないようにする』発想から来ています。

加法定理(一般形)

余事象を使うと楽になる例

『少なくとも 1 回 6 が出る』ような問題は、余事象 = 1 回も 6 が出ない を計算したほうが圧倒的に楽です。サイコロを 3 回振って少なくとも 1 回 6 が出る確率は、$1-(5/6{)}^3=1-125/216=91/216\approx 0.42$。直接『1 回・2 回・3 回出る確率の和』を計算するより簡単。

条件付き確率(じょうけんつき)は、『ある事象が起こったとわかっているとき、別の事象が起こる確率』。これは 3 級・2 級でも頻繁に登場する重要概念です。

条件付き確率の定義

独立性

期待値(きたいち, expected value) は『確率変数の平均的な値』。長く続けたときに 平均でいくらになるか を表します。

期待値の定義(離散)

サイコロの期待値

サイコロ 1 回振って出る目の期待値は: $E[X]=1\cdot \frac{1}{6}+2\cdot \frac{1}{6}+3\cdot \frac{1}{6}+4\cdot \frac{1}{6}+5\cdot \frac{1}{6}+6\cdot \frac{1}{6}=\frac{21}{6}=3.5$ 実際には 3.5 という目は出ない けれど、長く振り続ければ平均が 3.5 に近づく のが期待値の意味です。

期待値だけでは『平均的にいくらか』しか分かりません。ばらつきの大きさ を表すのが 分散 と 標準偏差 です。

分散の定義

分散の性質

• $V[aX+b]=a^{2}V[X]$: 定数倍は 2 乗で効く、定数足し算は影響なし
• 独立な変数の和: $V[X+Y]=V[X]+V[Y]$
• 標準偏差は元のデータの単位(2 乗してから平方根を取るので)
• 分散の単位は『元の単位の 2 乗』 ─ 解釈しにくい

Ch6 で学んだ 二項分布 $B(n,p)$ の期待値・分散は、特別な意味を持ちます。

二項分布の期待値と分散

比率の標準誤差

コイン 100 回で『表が出る割合 $\hat{p}=X/n$』を考えると、$E[\hat{p}]=p$、$V[\hat{p}]=p(1-p)/n$。これが選挙の出口調査・支持率調査でおなじみの 標本誤差(標準誤差) $\sqrt{p(1-p)/n}$ の正体。3 級・2 級の信頼区間で繰り返し登場します。

統計調査 で本当に知りたいのは『みんな全体』の値。でも全員に聞くのは現実的でないので、一部の人(標本)に聞いて全体を推測します。

母集団と標本の関係

全数調査と標本調査

• 全数調査(センサス): 全員に聞く。国勢調査・全数検査。コスト膨大 だが正確
• 標本調査: 一部に聞いて推定。労働力調査・テレビ視聴率調査。コスト低い が標本誤差あり
• 両方の組合せ: 国民経済計算は全数(税務データ)+ 標本(家計調査)を統合

標本平均 $\bar{X}$ は標本ごとに違う値になる 確率変数。その振る舞いには規則性があります。

標本平均の期待値と分散

中心極限定理の再確認

Ch6 で見た 中心極限定理 によれば、母集団がどんな分布でも、$n$ が大きければ標本平均 $\bar{X}$ は 正規分布 $N(\mu ,{\sigma }^2/n)$ に近づく。これが推定・検定の理論的基盤で、3 級・2 級で繰り返し利用します。

3 級では 推定(母集団の値を推し量る)と 検定(仮説をデータで判定する)を本格的に学びます。ここでは 直感だけ つかんでおきましょう。

推定 ─ 値を推し量る

検定 ─ 仮説を判定する

結びに ─ 4 級から先へ

ここまでで 4 級教科書の主要範囲をひととおり扱いました。データ整理・場合の数・確率・相関・実生活の統計・確率分布の入口・集合と確率・期待値と分散・標本と母集団 ─ 9 章にわたって統計の基礎の地図を描いてきました。続く第 10 章では、4 級の総まとめと 3 級への橋渡し を行います。

4 級教科書 9 章を歩いてきたあなたが今もっている力を、5 つの観点で振り返ります。

5 つの基礎力

1. データを整理できる: 度数分布表・ヒストグラム・代表値(平均・中央値・最頻値)
2. ばらつきを語れる: 範囲・四分位範囲・標準偏差(直感レベル)
3. 確率を計算できる: 場合の数・確率の加法・乗法・条件付き
4. 変数の関係を読める: 散布図・相関係数・相関と因果の区別
5. 確率分布の入口を知る: 二項分布・正規分布・中心極限定理(直感レベル)

3 級でいよいよ登場する 新トピック を、ここで先取りしておきます。本格的には 3 級教科書で扱いますが、目次として知っておくと学習の見通しが立ちます。

1. 期待値・分散を式で扱う

4 級では直感で扱った期待値・分散を、本格的に 数式で計算 します。線形変換の公式 $E[aX+b]=aE[X]+b$、$V[aX+b]=a^{2}V[X]$ などを使いこなせるようになります。

2. 確率分布の本格的扱い

二項分布・正規分布・ポアソン分布・指数分布などを 公式と表で計算。標準正規分布表を引いて確率を求めるなど、計算力が問われます。

3. 信頼区間 ─ 推定の本論

母平均・母比率の 信頼区間 を、$\bar{X}\pm z\cdot \sigma /\sqrt{n}$ の形で計算します。世論調査で『支持率 50% ± 3 ポイント』と書かれる『± 3 ポイント』の正体です。

4. 仮説検定 ─ 統計的判定

『この主張は受け入れてよいか』をデータで判定する 仮説検定 が登場。新薬の有効性・製品の品質・調査結果の有意性 ─ 統計の最も実用的な使い方の一つ。

5. 共分散・相関係数の式

4 級で散布図から見ていた相関を、$r=\frac{\sum (x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum (x_i-\bar{x}{)}^2\sum (y_i-\bar{y}{)}^2}}$ という具体的な式で計算します。

統計の学習を 長続きさせる ためのコツをまとめます。

5 つの心構え

1. 小さな前進を続ける: 1 日 15 分、1 章ずつでも積み上げる
2. 完璧主義を捨てる: 6 割理解で次へ進み、後で戻る方が効率的
3. 手で計算する: 公式は読むだけでなく、実際に動かして体に染み込ませる
4. 身近なデータで遊ぶ: 家計簿・自分の体重・通勤時間など、自分のデータを分析
5. 数式に怯えない: 数式は『言いたいことを短く書いた略号』。日本語に翻訳できれば怖くない

学習リソース

• [3 級 教科書](/textbook/grade-3) ─ 次のステップ
• [3 級 演習問題](/quiz/grade-3) ─ 計算力を鍛える
• [3 級 公式集](/formulas/grade-3) ─ よく使う公式の一覧
• [統計用語集](/glossary) ─ 知らない言葉を素早く確認
• [統計図解集](/figures) ─ 概念を絵で再確認
• [級診断](/diagnose) ─ 自分の今の力を 3 問で確認

ようこそ、本格的な統計の世界へ。3 級教科書 で待っています。